סקירה כללית על מודרניזציה של מחשב מרכזי

בדף הזה מתוארים הכלים, האסטרטגיות ותהליכי העבודה המובְנים למודרניזציה של עומסי עבודה מדור קודם במחשב mainframe ב- Google Cloud.

אם אתם אדריכלי ענן, מהנדסי מיינפריים או מומחי העברה בארגון, אתם יכולים להשתמש במידע שבדף הזה כדי להעריך את הכלים להערכת מיינפריים, לשדרג את נתוני המיינפריים, ליצור שירותים מבוססי-ענן באמצעות כלים מבוססי-AI ולאמת את השוויון הפונקציונלי לפני המעבר החד למערכת אחרת (cutover).

לפני שאתם קוראים את הדף הזה, אתם צריכים להכין מלאי של האפליקציות שלכם במחשב המרכזי (כמו מערכי נתונים של COBOL,‏ PL/I,‏ JCL ו-DB2/VSAM) ולהבין את היעדים של ארכיטקטורת הענן שלכם.

בחירת מסלול למודרניזציה של המחשב המרכזי

בטבלה הבאה מפורטות אסטרטגיות מודרניזציה והכלים המומלצים של Google Cloud , בהתאם לעומס העבודה במקור וליעדי המודרניזציה:

מסלול מודרניזציה עומס העבודה של המקור כלים מומלצים שירותי יעד מדריך לתרחישים
שכתוב קוד של אפליקציות בעזרת AI אפליקציות מונוליתיות ב-COBOL, ב-PL/I וב-CICS Google Cloud Modernization Hub, Mainframe Assessment Tool, Antigravity CLI ‫Google Kubernetes Engine (GKE),‏ Cloud Run,‏ Spanner או AlloyDB ל-PostgreSQL ארגון הקוד מחדש של אפליקציות מחשב מרכזי
המרת קוד ואימות אוטומטיים כללים עסקיים שחולצו ובסיסי קוד פרוצדורליים מדור קודם Antigravity CLI, Dual Run Cloud Run או GKE המרת קוד אוטומטית של מיינפריים
העברה של Mainframe ללא שינוי (אמולציה) עומסי עבודה ב-IBM z/OS או ב-IBM i שדורשים שינויים מינימליים בקוד סביבות זמן ריצה של אמולציה של שותפים, Mainframe Connector Compute Engine,‏Cloud SQL העברה של עומסי עבודה במחשב mainframe
העברת נתונים וניתוח נתונים מערכי נתונים של אצוות EBCDIC, קובצי VSAM וטבלאות DB2 Mainframe Connector BigQuery,‏Cloud Storage הגדרות של Mainframe Connector

יכולות עיקריות

‫Google Cloud מספקת את הכלים והשירותים הבאים לכל שלב במודרניזציה של המחשב המרכזי:

  • הערכת אפליקציות אוטומטית: הכלי להערכת מיינפריים (MAT) מבצע הנדסה הפוכה של קוד המקור (COBOL,‏ PL/I,‏ JCL), ממפה את התלויות של התוכנה והנתונים ומחלץ כללים עסקיים מוטמעים.
  • הנדסה קדימה בעזרת AI: Antigravity CLI ו-Antigravity עוזרים למפתחים להמיר את הכללים העסקיים שחולצו לשירותים מודרניים מבוססי-ענן בשפות היעד, כמו Java או Go, שפועלים ב-GKE או ב-Cloud Run.
  • מודרניזציה של נתונים: Mainframe Connector ממיר ומעביר מערכי נתונים של מיינפריים (EBCDIC) אל Google Cloud שירותים כמו BigQuery ו-Cloud Storage.
  • אימות פונקציונלי: Dual Run מריץ עומסי עבודה בסביבת הייצור בו-זמנית במחשב המרכזי וב-Google Cloud כדי לאמת את עקביות הנתונים והשוויון הפונקציונלי לפני המעבר החד למערכת אחרת (cutover).

הנדסה לאחור והנדסה קדימה

מודרניזציה של המחשב המרכזי מסתמכת על גישה דו-תחומית לחילוץ לוגיקה ובנייה מחדש של אפליקציות באופן בטוח:

  1. הנדסה הפוכה: ניתוח של אפליקציות קיימות במחשב המרכזי כדי להבין את בסיס הקוד לפני שמתחילים בתהליך המודרניזציה. באמצעות Mainframe Assessment Tool‏ (MAT), אתם ממפים את יחסי התלות של האפליקציה ומחלצים כללים עסקיים מקוד מדור קודם (COBOL, ‏ PL/I). הכלי MAT משתמש ב-AI גנרטיבי כדי ליצור מפרטים טכניים ומבני נתונים של קטלוגים.
  2. הנדסה קדימה: הפיכת דרישות עסקיות ברמה גבוהה וכללים שחולצו לקוד אפליקציה מודרני. במודרניזציה של מיינפריים, הנדסה קדימה משתמשת בכלים אוטומטיים וב-Antigravity CLI כדי להמיר כללים עסקיים למפרטים פונקציונליים, למסמכי דרישות מוצר (PRD), לסיפורי משתמשים ולשירותי ענן ב- Google Cloud.

תהליך עבודה של מודרניזציה

בתרשים הבא מוצגים חמשת השלבים בתהליך המודרניזציה של המיינפריים:

תרשים של תהליך העבודה שמציג את חמשת השלבים של תהליך העבודה לתכנון Mainframe: שלב 1: הטמעה והנדסה הפוכה, שלב 2: חילוץ כללים עסקיים, שלב 3: פירוק מונוליט, שלב 4: יצירת PRD ומודל נתונים, ושלב 5: רצף גלים ואימות.

שלב 1: הטמעה והנדסה לאחור של קוד המקור

בשלב 1, משתמשים ב-Mainframe Assessment Tool‏ (MAT) כדי לנתח את האפליקציות הקיימות במחשב המרכזי לפי היכולות הבאות:

  • הטמעת קוד מקור: יצירת מלאי וניתוח של COBOL,‏ PL/I,‏ Assembler, משימות באצווה של JCL,‏ copybooks וסכימות של מסדי נתונים.
  • מיפוי תלות בנתונים: זיהוי קשרים בין טבלאות DB2, קובצי VSAM, מסדי נתונים של IMS וקבצים שטוחים.
  • יצירת עץ קריאות: יצירת תרשימים חזותיים של קריאות לתוכניות שמציגים רצפים של אצוות ותהליכי טרנזקציות אונליין של Customer Information Control System ‏ (CICS) כדי ליצור גלי העברה.

מידע נוסף זמין במאמרים הגדרת Mainframe Assessment Tool ב-Modernization Hub, יצירת הערכה ובדיקת תוצאות ההערכה.

שלב 2: חילוץ כללים עסקיים מוטמעים

לפני שיוצרים אפליקציות מודרניות, מבודדים ומאמתים לוגיקה עסקית קריטית מבלוקים מורכבים של קוד COBOL או PL/I מדור קודם:

  • חילוץ כללים בעזרת AI: הכלי Mainframe Assessment Tool משתמש ב-Gemini כדי לנתח את קוד המקור שורה אחר שורה, ולתרגם לוגיקה מותנית מורכבת לכללים עסקיים בשפה פשוטה.
  • בידוד כללים: חילוץ לוגיקה של אימות, חישוב ריבית או עסקה ספציפית לדומיין מקוד פרוצדורלי.
  • בדיקה של האדם שבתהליך: מומחים בתחום ואנליסטים עסקיים בודקים, משפרים ומאשרים את הכללים העסקיים שחולצו.
  • יצירת מסמכים: יצירה אוטומטית של מפרטים טכניים עדכניים לתוכנות מדור קודם.

מידע נוסף על חילוץ כללים עסקיים

שלב 3: פירוק המונוליתים לדומיינים עסקיים

לפני שפורסים מיקרו-שירותים, צריך לחלק את בסיסי הקוד המונוליתיים של המיינפריים להקשרים מוגדרים ולתחומים עסקיים נפרדים שאפשר להעביר:

  • מיפוי דומיינים: חלוקה של נכסי הקוד לדומיינים עסקיים לוגיים (כמו חשבונות, חיוב ותשלומים).
  • הפרדה של מערכי נתונים משותפים: זיהוי מבני נתונים משותפים של VSAM או DB2 שצריך לפצל למסדי נתונים ספציפיים לשירות.
  • הגדרת ממשק: הגדרת גבולות של API ל-REST או ל-gRPC לשירותים שחולצו.

מידע נוסף זמין במאמר עיון בתובנות שנוצרו על ידי AI לגבי הדומיינים של העסק.

שלב 4: כתיבת מסמכי דרישות מוצר (PRD), מודלים של נתונים וקוד מודרני

משתמשים ב-Antigravity CLI כדי להמיר את הפלט של הערכת החילוץ למפרטים מובְנים, לארכיטקטורות יעד ולקוד אפליקציה מודרני ב- Google Cloud:

  • יצירת PRD וסיפורי משתמשים: סינתזה של נתוני ההערכה למפרטים פונקציונליים, מסמכי דרישות מוצר (PRD) שמפרטים את חוויות השימוש ההכרחיות (CUJ) והסכמי SLA תפעוליים, ומשימות הנדסיות גמישות.
  • ארכיטקטורת היעד בענן: בוחרים את סביבות זמן הריצה של המחשוב ביעד (Cloud Run,‏ GKE או Compute Engine).
  • בניית מודלים של נתוני יעד: תכנון מבני נתונים (יחסיים, קבצים, מפתח-ערך) ובחירת סכימות מודרניות של מסדי נתונים בענן על סמך עומס העבודה:
    • מסד נתונים יחסי בקנה מידה גלובלי: Spanner
    • ‫PostgreSQL ברמת Enterprise:‏ AlloyDB או Cloud SQL
    • ניתוח ודיווח: BigQuery
  • יצירת קוד אוטומטית: יצירת תוכניות ליישום רצפים וקוד אפליקציה בשפות היעד, כמו Java או Go, שמיישמות את החוקים העסקיים שחולצו ואת מודלי הנתונים של היעד.

במאמר מודרניזציה ואימות מוסבר איך להגדיר קובצי AGENTS.md שיוצאו, להפעיל את שרת ה-MCP של Mainframe Assessment Tool ולאמת את הקוד שנוצר.

שלב 5: קביעת רצף גלי ההעברה ואימות השוויון

לפני המעבר לסביבת הייצור, מעבירים את מערכי הנתונים בגלים מובנים ומאמתים את השוויון הפונקציונלי:

  • מודרניזציה של נתונים במחשב mainframe: הגדרת Mainframe Connector להמרת קידוד בנפח גבוה של מערכי נתונים מדור קודם ב-EBCDIC ל-Cloud Storage ול-BigQuery.
  • מעבר הדרגתי בגלים: תזמון גלי מודרניזציה לפי תחום עסקי במקום לבצע מעבר של כל המערכת.
  • בדיקת שוויון פונקציונלי: שימוש ב-Dual Run כדי להפעיל מחדש טרנזקציות פעילות של המחשב המרכזי במקביל ל- Google Cloud, במטרה לאמת אפליקציות שעברו מודרניזציה ולבדוק את השוויון הפונקציונלי לפני הוצאה משימוש של קוד מדור קודם.
  • פריסה ותפעול: פריסת עומסי עבודה שעברו מודרניזציה בסביבת הייצור ומעקב אחרי הביצועים באמצעות Google Cloud Observability.

מידע נוסף זמין במאמרים המרת קידוד והעברת נתונים ואימות של שוויון פונקציונלי.

המאמרים הבאים